一种用于基于 LSTM 视频检测的步进采样方法
机器学习
2021-08-31 v2 计算机视觉与模式识别
摘要
模拟人类的人工神经网络取得了巨大成功。从模拟人类记忆方法的角度出发，我们提出了一种基于“重复输入”的步进采样器。我们在批次中逐步地将数据重复输入到 LSTM 模型中。该步进采样器用于增强 LSTM 中融合时间信息的能力。我们在 PyTorch 内置的 LSTM 上测试了步进采样器。与 PyTorch 的传统采样器（如顺序采样器、批次采样器）相比，所提出的步进采样器在模型训练中收敛更快，且收敛后的训练损失更稳定。同时，它能保持更高的测试精度。我们对步进采样器算法进行了量化。我们假设，人工神经网络具有类人特征，人类的学习方法可用于机器学习。
引用
@article{arxiv.2107.08471,
title = {A stepped sampling method for video detection using LSTM},
author = {Dengshan Li and Rujing Wang and Chengjun Xie},
journal= {arXiv preprint arXiv:2107.08471},
year = {2021}
}
备注
16 pages